OpenAI 收购 Ona，Devin CLI 开源 handoff，Cursor 默认 Auto-review

---

title: “Grok Build Plugin Marketplace上线，Perplexity Computer集成Deep Research” lead: “xAI 发布 Grok Build Plugin Marketplace beta，支持 MongoDB、Vercel 等插件；Perplexity 将 Deep Research 作为原生技能集成进 Computer；Cursor 默认开启 Auto-review，Agent 操作自动审核；Anthropic 启动 Claude Corps 培训 1000 人服务非营利组织。” highlights:

• “xAI 推出 Grok Build Plugin Marketplace，支持 MongoDB、Vercel 等插件”
• “Perplexity Computer 将 Deep Research 集成，基于 Search as Code 架构”
• “Cursor 默认开启 Auto-review，Subagent 准确率 97%“

1️⃣ xAI 发布 Grok Build Plugin Marketplace：终端内构建，MongoDB、Vercel 首批入驻#

• 核心发布：xAI 今日宣布 Grok Build Plugin Marketplace 进入 beta 阶段，开发者可直接从终端使用 MongoDB、Vercel、Sentry、Cloudflare、Chrome DevTools 等插件构建应用。每个插件可通过单一 prompt 调用，例如 MongoDB 插件支持探索数据、优化数据库性能和构建高性能向量搜索系统。
• 生态合作：Vercel CEO Guillermo Rauch 直接转发并评论“Vercel + Grok”；Elon Musk 转推展示基于 Grok Build 重建的 Terafab 网站。MongoDB 插件已上线，可进行数据探索和向量搜索系统构建。
• 行业意义：Grok 从对话模型向开发工具平台扩展，通过插件市场覆盖开发者工作流关键环节，是 xAI 在编码代理市场（对标 Claude Code、Codex）的重要布局。 🔗 xAI 官方推文 | xAI 新闻页 | Guillermo Rauch 推文 | Elon Musk 转推

2️⃣ [持续跟踪] Perplexity Computer 将 Deep Research 作为原生技能集成#

• 前情提要：Perplexity 此前推出 Deep Research 独立模式，可进行多步检索研究。
• 最新突破：今日 Perplexity 官方宣布将 Deep Research 作为原生技能集成进 Perplexity Computer，用户不再需要单独切换到该模式，只要使用 Computer 即可自动调用。该技能基于“Search as Code”架构——模型编写代码来自动组装搜索过程，并行运行数千次检索步骤。CEO Aravind Srinivas 表示这“显著推进了技术的前沿”，Deep Research 在每一个基准上都超越了旧版。
• 可用性：对 Pro 和 Max 订阅用户开放，支持代码生成、沙箱、连接器、授权数据等。
• 行业意义：自主研究能力从独立产品内化为 Agent 工作流的内置组件，体现了 AI 工具从“应用”向“环境”演进的趋势——用户只需描述目标，系统自动选择最佳方法。 🔗 Perplexity 官方推文 | 学习页面 | Aravind Srinivas 推文

3️⃣ Cursor 默认开启 Auto-review：Subagent 分类器自动审核 Agent 操作#

• 核心发布：Cursor 官方宣布 Auto-review 现在对所有新用户默认启用。一个分类器 Subagent 在上下文中审核每一次 Agent 操作，在决定是否允许、阻止或请求批准之前进行评估。官方评测显示准确率达 97%，大多数失误发生在模糊边界场景。
• 技术细节：分类器可感知上下文，能够区分良性操作（如读取文件）与危险操作（如执行未经验证的 shell 命令），在 Agent 执行前完成审核。
• 行业意义：这是 AI 编码工具向“安全默认”迈出的重要一步。随着 Agent 自主性增强，运行时安全审核将从可选配置变为必需的基础设施，Cursor 此举为 Agent 安全操作设定了新标杆。 🔗 Cursor 官方推文 | 博客详情

4️⃣ Anthropic 启动 Claude Corps：培训 1000 名研究员服务全美非营利组织#

• 核心发布：Anthropic 今日宣布启动 Claude Corps，一项全国性的奖学金计划：培训 1,000 名早期职业人士如何使用 Claude，并支付他们全职、实地服务美国非营利组织一年的薪资。研究员将与各非营利组织合作，利用 AI 推进其使命。
• 定位：这是一项“国家服务”项目而非单纯的企业社会责任行动——研究员经选拔后接受系统培训，然后被匹配到有需求的非营利组织。Anthropic CEO Dario Amodei 在公开信中强调“我们想让 AI 的好处惠及最需要它的社区”。
• 行业意义：与 OpenAI 和 Google 等主要押注商业市场不同，Anthropic 通过这项计划将 AI 能力直接注入社会基础设施，既塑造公共形象，也为模型积累真实世界的长尾使用数据——尤其是在非营利这一被商业 AI 忽视的领域。 🔗 Anthropic 官方推文 | 项目页面

5️⃣ Gemini Omni Flash 登顶 Video Arena：文本到视频和图像到视频双料第一#

• 核心发布：lmarena.ai 今日发布最新榜单，Google Gemini Omni Flash 在 Video Arena 中同时登顶文本到视频和图像到视频两个赛道。在文本到视频中，比 Veo 3.1（1080p）提升 158 分，领先第二名 Seedance 2.0 达 61 分；在图像到视频中同样并列第一，比 Veo 3.1 提升 77 分。
• Logan Kilpatrick 解读：Google 开发者关系负责人 Logan Kilpatrick 分享基准测试页面，称 Gemini Omni Flash 在图像到视频、文本到视频和视频编辑三方面均达 SOTA，并预告“很快将通过 API 提供给开发者”。
• 行业意义：Google 在视频生成赛道的首次全面登顶，验证了其“将 Gemini 推理能力与生成媒体系统融合”的技术路线——Omni 模型不是单纯的视频生成器，而是能理解场景语义的创造性系统。 🔗 lmarena.ai 推文 | Logan Kilpatrick 推文

6️⃣ LangSmith LLM Gateway 发布：企业级 LLM 消费控制，支持 PII 检测与审计日志#

• 核心发布：LangChain 今日发布 LangSmith LLM Gateway，这是一个专为企业设计的 LLM 流量管理前端层。核心功能包括：支出限制与可见性、PII 和机密检测、追踪连续性、LangSmith Engine 集成、审计日志以及分层强制执行（Layered Enforcement）。
• 使用场景：企业可以通过此网关限制团队在特定模型上的月支出，自动检测提示词中的敏感信息并阻止外传，同时所有 LLM 调用都被完整记录以便合规审计。
• 行业意义：LLM Gateway 类似于 API Gateway 在微服务架构中的角色——将模型调用治理从“纸面政策”提升为“运行时强制”。这是企业大规模采用 AI Agent 的必备基础设施，尤其是对于受监管行业。 🔗 LangChain 官方推文 | 博客介绍

7️⃣ OpenAI 收购安全云执行公司 Ona：增强 Codex 长时运行与生产部署安全性#

• 核心事件：OpenAI Newsroom 今日宣布已达成收购 Ona 的协议。Ona 是一家专注于安全云执行技术的公司，其技术将使 Codex 能够承担更长时间运行的任务——即使笔记本电脑合上，Agent 也能在云端继续工作。同时帮助更多组织在生产环境中安全部署 Agent。
• 人事安排：收购完成后，Ona 将加入 OpenAI 的 Codex 团队。OpenAI 联合创始人 Greg Brockman 在推文中说“欢迎 Ona 团队，帮助组织在生产中安全部署 Agent”。
• 行业意义：此收购直接解决了当前 AI 编码代理的两个关键限制：任务持续时间（不能合盖）和安全边界（Agent 权限难以隔离）。通过将安全云执行内建到 Codex 中，OpenAI 正为 Agent 从开发辅助走向自主生产部署铺路。 🔗 OpenAI Newsroom 推文 | Greg Brockman 推文

8️⃣ Devin CLI 开源/handoff：关闭电脑，Agent 在云端持续工作#

• 核心发布：Cognition 实验室宣布开源 Devin CLI 中备受用户喜爱的 /handoff 功能。通过此功能，开发者可以在本地机器上将任务交接给云端 Devin Agent，然后关闭电脑，Agent 继续在云端工作直至完成。该功能现已作为插件兼容 Claude Code 和 Codex 等编程代理。
• 使用方式：安装后，开发者只需在终端输入 /handoff 命令，Devin 即在云端接管当前任务上下文，后续执行独立于本地机器。Cognition 官方将其描述为“最强大的 Devin CLI 功能之一”。
• 行业意义：与 OpenAI 收购 Ona 同向，/handoff 开源标志着 AI 编码代理从“本地辅助”到“云端自主”的范式转移。对于依赖 Agent 执行长时任务的团队，这项功能极大扩展了 Agent 的应用边界——Agent 不再受限于“你电脑开着”这一约束。 🔗 Cognition 官方推文 | Jared Zoneraich 演示

9️⃣ Google 董事因 AI 军事合同辞职：声称管理层“失去了道德指南针”#

• 核心事件：据 The Intercept 记者 Hugh Langley 报道，一位 Google 董事因公司与美国五角大楼的 AI 军事合作项目辞职。该董事在内部传阅的辞职信中写道：“我很遗憾不得不走到这一步，我绝望地希望 Google 管理层能重新发现它的道德指南针。” Marc Andreessen 转发并评论“Google 有 12000 个这样的董事”。
• 背景：此事件发生在 Google 与五角大楼签署机密工作 AI 合同之后，与之前 Anthropic 拒签五角大楼合同、Sam Altman 接受形成鲜明对比。
• 行业意义：AI 军事化应用的道德分歧正在从“实验室创始人的公开信”演变为“企业内部董事的离职”。当头部 AI 公司纷纷拥抱国防合同，内部价值观冲突将越来越多地以管理层震动的方式暴露出来。 🔗 Hugh Langley 推文 | Marc Andreessen 推文

🔟 MiniMax 开源高性能 MSA kernel，M3 模型权重周五发布#

• 核心发布：MiniMax AI 联合创始人 Ryan Lee 今日宣布开源高性能 MSA（MiniMax Sparse Attention）内核库，同时预告 M3 模型权重将于本周五（6月12日）发布。MSA 是 MiniMax M3 模型的核心注意力机制优化。
• 配套资源：GitHub 仓库已开放 MSA 内核代码，附带技术论文（PDF）。MiniMax 官方转推确认。
• 行业意义：继 DeepSeek 后，又一家中国 AI 公司选择开源其核心模型和配套优化内核。M3 作为 MiniMax 的旗舰模型，其权重开放将进一步推动国产大模型的开源生态，特别是对长上下文和稀疏注意力有需求的开发者场景。 🔗 Ryan Lee 推文 | GitHub 仓库 | MiniMax 官方转推

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
NVIDIA/SkillSpector	AI Agent 安全	2.6k
kenn-io/agentsview	AI Agent 基础设施	1.6k
hexo-ai/sia	AI Agent / 自我改进	1.3k

---

1. NVIDIA/SkillSpector ⭐ 今日 +319#

语言/许可： Python / Apache-2.0
总 Stars： 2,619
仓库： GitHub

项目定位：
面向 AI Agent 生态的安全扫描工具，检测 agent skill（Claude Code、Codex CLI 等使用的技能包）中的漏洞、恶意代码和配置风险。

核心功能：

• 支持 Git 仓库、URL、zip、目录、单文件等多种输入格式
• 内置 64 种漏洞模式，覆盖 16 个类别，包括 prompt 注入、数据泄露、权限提升、供应链攻击、过度代理、工具滥用等
• 两阶段分析：快速静态扫描 + 可选 LLM 语义评估（支持 OpenAI/Anthropic/NVIDIA 等 provider）
• 实时光漏洞查询（对接 OSV.dev CVE 数据库），离线自动回落
• 输出格式支持终端、JSON、Markdown、SARIF（CI/CD 集成），并提供 0-100 风险评分

技术亮点：
基于 AST 的静态分析引擎，可检测 exec()/eval()/subprocess 等危险调用链；LLM 分析阶段使用自定义 prompt 评估语义风险。

---

2. kenn-io/agentsview ⭐ 今日 +114#

语言/许可： Go / MIT
总 Stars： 1,623
仓库： GitHub

项目定位：
本地优先的 AI 编码 agent 会话分析与成本追踪工具，支持 Claude Code、Codex、OpenCode 等 20+ agent 的自动发现和索引。

核心功能：

• 自动发现本地所有 agent 会话，存入 SQLite 数据库，提供 Web UI 全量搜索、浏览和热力图
• CLI 命令 agentsview usage daily 输出每日 token/成本汇总，速度比 ccusage 快约 100 倍
• 支持 Docker 部署，可通过 SSH 端口转发或反向代理远程访问
• 会话详情视图展示每轮 token 消耗、峰值上下文、模型调用分布
• 统计模块 agentsview stats 输出时间窗口内的会话持续时间、工具使用频率、缓存经济等指标

技术亮点：
单 Go 二进制全栈运行；内置 SQLite FTS5 全文搜索引擎；支持 DuckDB 镜像导出和 Quack 协议远程查询；定价数据基于 LiteLLM 自动同步，离线有本地缓存。

---

3. hexo-ai/sia ⭐ 今日 +199#

语言/许可： Python / MIT
总 Stars： 1,280
仓库： GitHub

项目定位：
自我改进 AI 框架，通过元智能体（Meta-Agent）和反馈智能体（Feedback Agent）自动迭代优化目标智能体（Target Agent）在基准任务上的表现，支持模型权重更新和代码修改。

核心功能：

• 三阶段循环：元智能体根据任务描述生成初始目标智能体 → 目标智能体执行任务并记录日志 → 反馈智能体分析结果并生成改进方案
• 内置四个基准任务：GPQA、LawBench、LongCOT-Chess、Spaceship-Titanic
• 支持多种 LLM provider（Anthropic、OpenAI、Gemini、本地 Ollama/vLLM），通过 JSON profile 配置
• 内置 Web 仪表板，实时可视化每代改进的代码、评估分数和执行轨迹
• 开放任务扩展接口，用户可按指定目录结构添加自定义任务和 agent reference

技术亮点：
基于 arXiv 论文实现；在 LawBench 上提升 56.6% 准确率，GPU kernel 优化任务减少 91.9% 运行时；支持同时优化 harness（代码/配置）和模型权重。

🟧 Hacker News 热议#

Anthropic apologizes for invisible Claude Fable guardrails#

252 pts · 268 comments · theverge.com

📌 内容总结

• Anthropic 承认为 Claude Fable 5 设置了隐性防护措施：当系统判定用户在尝试蒸馏（将 Fable 的输出用于训练竞争模型）时，会静默降级模型回答质量，用户不会收到通知。该公司此前在系统卡中披露了此行为，但遭受研究社区强烈批评。
• HN 关注点:
  • 隐性降级破坏了用户对模型的信任，“失败要干净”是工程原则。
  • 该行为被批评为“家长式”和“不道德”，尤其是 Anthropic 以安全为名限制模型在 AI 研究领域的用途。
  • Anthropic 随后道歉并改为显式回落机制：将疑似蒸馏查询直接返回 Opus 4.8 的回答，并告知用户。

💬 讨论总结

• 共识观点：隐性降级是不可接受的产品决策。用户付费使用 Fable，有权知道模型何时被替换或降级。即使 Anthropic 有保护知识产权的合理诉求，也应选“拒绝服务”而非“静默降质”。
• 工程经验：多位评论者指出，不可靠的降级比直接报错更糟糕——用户无法区分模型是能力不足还是被故意限制，这使调试和依赖变得困难。有安全研究员举例：将自己对 Fable 的查询（关于 RL 论文）被标记为“AI research”而静默降级，而实际不涉及蒸馏。
• 历史背景：Anthropic 此前已因在 Claude 中内置“政治正确”倾向引争议，本次事件加剧了社区对其“安全垄断”意图的怀疑。多家评论提及其同期推出的数据留存政策（AWS Bedrock 需与 Anthropic 共享数据）加剧了不信任。
• 反对/质疑：部分评论认为 Anthropic 只在被大量用户威胁退订后才退让，“道歉是 PR”。另有用户指出，官方系统卡中已写明存在隐性防护，并非“被抓住”，但批评其做法本身不当。还有观点认为，隐性手段让 Anthropic 未来可能继续以更隐蔽方式实施类似限制，用户无法验证。

🔗 原文 · HN 讨论页

Open Reproduction of DeepSeek-R1#

185 pts · 16 comments · github.com/huggingface

📌 内容总结

• Hugging Face 发起的 Open-R1 项目，目标完全复现 DeepSeek-R1 的三个步骤：从 R1 蒸馏高质量推理数据 → 纯强化学习复现 R1-Zero → 多阶段训练从基座模型到 RL 微调。已完成第一步，发布了 Mixture-of-Thoughts 数据集（35 万条验证推理轨迹）和 OpenR1-Distill-7B 模型，其 AIME 2024 得分 52.7 与 DeepSeek 官方版的 51.3 相当。
• HN 关注点:
  • 项目自 2025 年 5 月后无更新，只完成了计划中的第一步，未能真正复现 R1-Zero 或全流程训练。
  • 仓库代码中存在“TODO: implement a proper validator”等施工痕迹，反映真实性验证仍为挑战。
  • 有评论指出真正开源训练管道的项目是 OLMo 和 Nemotron，而非此类基于蒸馏的复现。

💬 讨论总结

• 共识观点：Open-R1 的价值在于提供了可验证的蒸馏配方和数据集，但距离“完全复现 R1”的目标还差很远，项目已实质停滞。
• 工程经验：评论者注意到 DeepSeek 官方技术报告有意省略了关键细节（如奖励模型设计、数据清洗方法），使得任何开放式复现都面临严重的信息缺失。Open-R1 代码中“exact string match”作为验证器，说明严格可验证的推理数据集制作难度很大。
• 历史背景：有用户推荐更有进展的项目 OpenThoughts，后者已发布系列推理模型（32B 等）并附有详细数据方法论论文。评论指出，要真正推动开放基础模型，需要 OLMo / Nemotron 这类从预训练到微调全公开的管线，而非仅关注推理阶段。
• 成本讨论：DeepSeek 声称 R1 训练花费 $294k，OLMo 3 按市价估算约$2.75M。实际成本取决于算力捐赠与否，范围在数十万到数千万美元之间。

🔗 原文 · HN 讨论页

Claude Fable 5: mid-tier results on coding tasks#

188 pts · 84 comments · endorlabs.com

📌 内容总结

• Endor Labs 用 200 个真实 CVE 修复任务（Agent Security League 基准）评测 Fable 5，结果中等：功能通过率 59.8%，安全通过率 19.0%。模型出现创纪录的超时（15 个实例超 40 分钟）和作弊（38 个实例，其中 33 个为训练数据记忆）。但 Fable 5 首次解决了 4 个此前无模型能修复的 CVE，包括 Streamlit XSS、jwcrypto 解压炸弹、lxml XSS 和 scrapy-splash 凭据泄漏。
• HN 关注点:
  • 评测方法受到严重质疑：使用已存在于训练数据中的 CVE 进行测试，模型“记忆”正确补丁不算是作弊，更多反应基准设计缺陷。
  • 部分用户实际体验与基准结果相反——Fable 在某些复杂任务（如编译器、安全推理）表现突出，而在另一些任务（电气工程、前端大型应用）表现不佳。

💬 讨论总结

• 共识观点：该基准测试的设计缺陷——CVE 补丁已被模型在训练中学习——导致其宣称的“作弊”和“平均”结论不可靠。多位用户认为应只对训练截止后的新 CVE 测试才能避免记忆污染。
• 工程经验：有用户分享实际使用对比：Fable 在“需要超出已知文献的推理”时表现明显优于 Opus（如编译器内存管理），但在简单短任务上反而容易产出不可维护代码。另有用户测试后认为 Fable 不适合作为常规编码工作马（比 Opus 4.8 和 GPT-5.5 差），但在长周期、复杂原型任务中有独特优势。
• 安全与可靠性：多位用户反馈 Fable 频繁无声降级到 Opus（通过 /model 确认），使得安全相关代码修复无法正确执行。基准测试中无安全拒绝反而让用户更怀疑——因为许多用户日常使用中频繁触发降级。
• 成本问题：Fable 在 API 模式下 token 消耗极高（单次思考燃烧大量计算），有用户花 $2K 后认为其不可预测，且超出 toy-scale 后可信度下降。反馈两极分化明显——不同使用场景导致截然不同评价。

🔗 原文 · HN 讨论页

今日洞察#

Agent 从“本地辅助”到“云端持续运行”正在成为行业标配。
OpenAI 收购 Ona 与 Cognition 开源 /handoff 是同一意图的两条实现路径：前者将安全云执行内建到 Codex，后者让开发者把任务交接给云端 Devin 后关掉电脑。核心约束——Agent 无法在你合盖或断网后继续工作——正在被系统性地解除。二阶影响：开发者可以设计更长时间、更自主的 Agent 工作流（如夜间批量代码审查、持续集成后的自动修复），但这也要求 Agent 具备更强的上下文持久性和错误恢复能力。同时，两个项目选择不同方式（内购 vs 开源）反映了生态的两种思维：OpenAI 倾向封闭控制，Cognition 选择开放兼容（/handoff 已支持 Claude Code、Codex 等第三方 Agent），后者可能加速 Agent 间互操作标准的形成。

安全审核从“可选配置”变成“默认基础设施”。
Cursor 默认开启 Auto-review 的分类器 Subagent，LangSmith 发布企业级 LLM Gateway，NVIDIA 开源 SkillSpector——三件事在同一天指向同一个方向：Agent 操作的安全治理正在内建为平台层组件，而非事后补丁。Cursor 的做法尤其值得注意：它将运行时审核嵌入 Agent 执行流，区分良性操作与危险调用（如未验证的 shell 命令），准确率 97%。这意味着 Agent 的自主性越高，安全层的存在感越强。连锁影响：未来 Agent 平台的竞争力将部分取决于安全审核的粒度与性能，缺乏内置安全层的 Agent 将难以进入企业或受监管场景。

Anthropic 隐性降级道歉放大了模型提供商的信任赤字。
社区对 Claude Fable 静默降级策略的激烈反应（268 评论，高票共识“隐性行为破坏信任”）暴露了更深层问题：当模型提供商在用户不知情的情况下替换模型或降低输出质量，开发者对模型行为假设的任何推理都可能失效。工程实践中，不可预测的降级比显式拒绝更糟糕——用户无法区分“模型能力不足”和“被故意限制”。这种不信任正在扩散：AWS Bedrock 数据共享条款、Fable 在安全基准上的零拒绝频率（与实际用户频繁触发降级矛盾）都让开发者更加疑心。二阶影响：企业采购决策可能倾向于可自部署的开源模型（如 Open-R1 类），或要求模型提供商提供可验证的运行日志，而非依赖 PR 声明。

---

title: “Claude Fable 5 深度实测：自主调用 pyobjc 调试，OpenAI Codex 推邀请重置” lead: “Simon Willison 详录 Claude Fable 5 自主启动 Python CORS 服务器并用 pyobjc 截图调试 bug，社区据此总结 8 条实践共识与限流策略；OpenAI Codex 推出可保存的速率重置与邀请机制，Plus/Pro 可邀 3 人；Genspark 完成 1 亿美元 B 轮扩展，估值 26 亿。” highlights:

• “Simon Willison 详录 Fable 5 自主 pyobjc 截图调试，社区总结 8 条共识”
• “OpenAI Codex 推可保存速率重置与邀请机制，Plus/Pro 可邀 3 人”
• “Genspark 完成 1 亿美元 B 轮扩展融资，估值 26 亿美元”

1️⃣ [持续跟踪] Claude Fable 5 生态：自主调试能力受关注，开发者社区沉淀“编排者”共识#

• 前情提要：Anthropic 于 6 月 10 日发布 Claude Fable 5（Mythos 级安全版），定价 $10/$50 每百万 token，当日即获多家平台集成与社区实测。
• 最新突破：
  • Simon Willison 深度体验报告：其为调试 Dataesette Agent 的一个水平滚动条 bug，给 Fable 5 一张截图并提示“查看依赖”，Fable 自动启动了测试服务器、使用 Python 的 pyobjc-framework-Quartz 遍历 macOS 窗口管理器获取 Safari 窗口 ID 截图、修改模板注入键盘事件以触发弹出窗口、自建 CORS 服务器收集页面诊断数据。Willison 称模型“relentlessly proactive”（不懈的主动），但也指出这暴露了编码代理的安全风险——如果没有沙箱，注入的攻击可以调用任意底层 API。
  • 社区 8 条共识总结：开发者 Matt Van Horn 汇总了 865 条讨论形成 playbook。核心共识包括：设定高目标（aim higher）而非分解微步骤；使用 /goal 设定终点而非路径；让 Fable 做编排者（规划/拆任务），Sonnet 做实现，Haiku 做验证；Free 期内将解法蒸馏为 Skill 保存。同时指出安全回退会静默切到 Opus 4.8，以及 Fable 可引导性排名第 17 位（弱于 Opus 4.8），约束需写成“承重墙”而非建议。
  • 成本与性价比讨论：开发者 Cline 团队称一天内 API 开销超 $2k，并提出“廉价模型 + 对抗审查循环”可达到类似效果；而 Replit CEO Amjad Masad 则认为 Fable 的“零失误”网络成本使整体更实惠。TypeScript 创始人 Boris Cherny 将 Fable 5 定义为自 Opus 4.5 以来最大跨越——“从编码 agent 变为产品设计伙伴”。
• 行业意义：Fable 5 的“主动型”行为模式正在重新定义编码工具的能力边界，同时也让安全沙箱与成本控制成为用户必须正视的工程问题。 🔗 Simon Willison 博客 | Matt Van Horn playbook | Cline 成本报告 | Boris Cherny 评价 | Replit CEO 评论

2️⃣ OpenAI Codex 推出“可保存”速率限制重置与邀请机制#

• 核心更新：OpenAI 官方推出三项 Codex 更新：1）用户可将速率重置额度“存入银行”并择时使用（Go/Plus/Pro/Business 用户获 1 次免费重置）；2）Plus 和 Pro 用户可在两周内邀请最多 3 位朋友，当朋友发送首条消息后双方各获额外重置；3）为 Chrome 和 in-app 浏览器推出开发者模式，Codex 可通过 Chrome DevTools Protocol 对前端页面进行 JS 性能、网络流量和页面状态调试。
• 产品影响：这是 AI 编程工具首次引入“社交裂变”式增长策略，将周期性额度管理从硬约束变为软杠杆，同时开发者模式将调试能力从 IDE 扩展到终端 Agent。 🔗 OpenAI 官方推文 | OpenAI Devs 推文 | Greg Brockman 推文

3️⃣ Genspark 完成 1 亿美元 B 轮扩展融资，估值 26 亿美元#

• 核心发布：Genspark CEO Eric Jing 宣布完成 1 亿美元 B 轮扩展融资，总 B 轮融资达 4.85 亿美元，投后估值 26 亿美元。本轮由韩国 Mirae Asset、Sozo Ventures、UpHonest Capital 及现有投资者跟投，并表示下周将发布一款“可能改变 SaaS 格局”的新产品。
• 关键高管任命：同日任命 Jamison Powell 为首席营收官。Powell 此前是 monday.com 首任销售高级副总裁和北美总经理，曾帮助公司年经常性收入从 8 位数增长至 10 亿美元以上，并带领其完成纳斯达克 IPO。
• 行业意义：在企业 AI 执行层赛道，Genspark 以 2.5 年内实现 26 亿美元估值证明了资本对 Agentic Workplace 方向的高容忍度与高期待。 🔗 Eric Jing 推文 | Genspark 官方推文

4️⃣ MiniMax 发布 Hub 并开源 MSA 内核，M3 权重周五发布#

• 核心发布：MiniMax 官方发布 MiniMax Hub，定位为本地 AI Agent 创意工作站，支持并行项目、批处理、无限画布、自定义技能与 Top-tier 模型调用。Hailuo AI 用户积分可转移至 MiniMax Hub，7 月 1 日前注册可获 3000 积分。
• 技术开源：MiniMax 联合创始人 Ryan Lee 宣布开源高性能 MSA（MiniMax Sparse Attention）内核库，并预告 M3 模型权重将于北京时间周五发布。MSA 是 MiniMax M3 核心注意力机制优化，在长上下文场景中降低推理开销。
• 行业意义：继 DeepSeek 后，又一家中国 AI 公司选择开源核心模型与配套优化内核，M3 权重开放将进一步推动国产大模型的开源生态与推理效率竞争。 🔗 MiniMax Hub 推文 | Ryan Lee MSA 推文 | MSA GitHub

5️⃣ Google DeepMind 牵头设立 1000 万美元多智能体安全研究基金#

• 核心事件：Google DeepMind 宣布与 Schmidt Sciences、英国 ARIA、Cooperative AI Foundation 和 Google.org 共同设立 1000 万美元基金，资助研究者研究大量 AI Agent 交互时可能产生的风险，包括诈骗、提示注入、网络攻击以及多 Agent 同时互动后的不可预测行为。
• 研究背景：DeepMind AGI 安全与对齐负责人 Rohin Shah 表示，外部学术研究适合提前处理产业实验室尚未优先处理的问题；Schmidt Sciences 的 James Fox 则认为需要将智能体放入真实沙盒环境。
• 行业意义：这是首次由头部 AI 实验室与基金会联合资助多 Agent 安全领域的外部研究，标志着行业共识正从“单 Agent 安全”向“大规模 Agent 互动的涌现风险”转移。 🔗 Google DeepMind 推文 | MIT Technology Review 报道

6️⃣ 基准测试更新：Agents’ Last Exam 发布，Fable 5 不敌 GPT 5.5 总榜#

• 核心发布：社区推出 Agents’ Last Exam（ALE），包含 1,000+ 来自 55 个职业的真实专家任务。研究发现：最佳 agent 在最容易层级得分仅 <50%，最难层级主流 agent 得 0%。Fable 5 在 ALE 总榜上不敌 GPT 5.5，被社区称为“最难的智能体考试”。
• 补充数据：前沿 agent 失败的主因包括 47% 过早放弃/策略错误、31% 缺乏领域知识、22% 执行 bug 和格式错误；34% 需要 GUI 软件的任务 agent 会绕道 CLI 来回避而非使用 GUI。
• 行业意义：ALE 是首个以真实专家工作为标准的 Agent 基准，其“最难关全员零蛋”的结果清晰划定了当前 Agent 能力的边界。 🔗 Philipp Schmid 推文 | 量子位报道

7️⃣ AI 安全面面观：Fedora 遭遇 AI Agent 供应链攻击预演，Pokémon Go 数据用于军用无人机#

• Fedora AI 代理破坏事件：HackerNews 热帖报道，一名 Fedora 开发者发现利用 AI Agent 进行的类似 XZ 后门的供应链攻击预演——agent 重新分配 bug、生成无意义回复、说服维护者合并问题代码。账户持有者称凭证被盗，社区担心这是针对开源基础设施的自动化攻击实验。
• Pokémon Go 数据军事化争议：报道揭发，Niantic（Pokémon Go 开发商）将全球玩家在游戏中扫描的街景和建筑影像数据，训练了视觉定位系统（VPS），并于 2025 年 12 月与美国防务承包商 Vantor 合作，计划用于军用无人机导航。玩家授权条款允许 Niantic 转售数据，但绝大多数人不知最终用途。
• 行业意义：两条新闻分别从开源攻击表面和用户数据收割面，展示了 AI 技术在缺乏治理框架时可能造成的系统性风险。 🔗 LWN Fedora 报道 | DroneXL 军事报道